[发明专利]基于物理驱动自编码器神经网络的结构参数识别方法

权利要求书

1.一种基于物理驱动自编码器神经网络的结构参数识别方法，其特征在于，包括以下步骤：

步骤S1:获取待识别参数，并预设待识别参数的区间；

步骤S2:在预设待识别参数的区间内选出参数样本点，并通过有限元计算对应的频响函数；

步骤S3:将频响函数置信准则作为物理驱动项集成到自编码器神经网络的损失函数表达式中，训练该神经网络至精度达到预设要求并保存待用；

步骤S4:提取自编码器神经网络中的编码部分作为全连接神经网络的输入层，训练全连接神经网络至精度合格并保存待用；

步骤S5:将实测频响函数先通过自编码器神经网络进行编码降维，再将编码数据带入全连接神经网络即可完成参数识别；

所述神经网络采用物理驱动自编码器神经网络，步骤S3具体如下：

步骤S31:采用自编码器对其进行编码降维，并在损失函数中添加了频响函数置信准则，以约束训练结果在预设的解空间；

步骤S32:确定损失函数的表达形式后，采用基于反向传播的优化算法最小化损失函数以获取其网络参数；

步骤S33:当物理驱动自编码器神经网络的精度满足要求后终止训练，保存该神经网络待用；

所述损失函数设定如下：

式中MSE_u代表传统的均方误差项，等号右侧第二项代表物理驱动项；x′代表神经网络的输出向量，x代表输出样本的标签，N代表训练样本的个数，下标i代表训练样本集中的第i组向量，上标T代表向量转置。

2.根据权利要求1所述的基于物理驱动自编码器神经网络的结构参数识别方法，其特征在于，所述步骤S2采用实验设计在选定区间内挑选待识别参数样本点。

3.根据权利要求1所述的基于物理驱动自编码器神经网络的结构参数识别方法，其特征在于，所述全连接神经网络，步骤S4具体为：提取自编码器神经网络中的编码部分作为输入层；输出层数据的神经元个数由待识别参数的个数决定；不断调试网络层数及神经元个数进行训练直至神经网络达到预设精度后保存。

4.根据权利要求1所述的基于物理驱动自编码器神经网络的结构参数识别方法，其特征在于，所述步骤S5具体为：将实测获得的结构频响函数输入训练后的物理驱动自编码器神经网络，然后提取频响函数降维后的编码数据作为全连接神经网络的输入便可由全连接神经网络获取结构的物理参数值。

5.一种基于物理驱动自编码器神经网络的结构参数识别系统，其特征在于，包括处理器、存储器以及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时，具体执行如权利要求1-4任一项所述的结构参数识别方法中的步骤。